Sakana AI 已为其 Sakana API 平台开放早期访问计划，为企业客户提供其大语言模型的 API 访问，并支持在组织和工作区层级管理成员与使用成本。该 API 兼容 OpenAI，只需更改端点即可使用；首批上线 Sakana Fugu 和 Fugu Ultra，Sakana Namazu 和 Fugu Max 将随后推出。功能包括基于角色的访问控制、CSV 审计日志、预算限制、发票付款、MSA 和 DPA，以及承诺不使用客户输入进行训练。
Epoch AI 将其早先自动化一名高级研究员工作的尝试扩展为 Epoch Automation Reports，用与人类员工相同的标准，在平面设计和研究规划等真实 Epoch 任务上评估 AI。1 和 GPT-6 Astra 在评分表上平均得分 65%，但 65% 的得分仍算任务失败，因为如果由人类提交，每一份都会被拒绝或退回修改。
Anthropic研究人员开展了一项随机对照试验，50名专业分析师使用Claude Code（Claude Opus 4.8）为一家虚构的农业合作社提供建议，该智能体在四项分析选择上被秘密随机分配了一种倾向。分析师在86%的情况下与智能体的倾向保持一致；当智能体持不同意见时，60%的情况下他们放弃了自己先前的偏好；77%的人后来重复了智能体的论点，而只有15%的人将观点归功于智能体。作者提醒说，这些倾向是被刻意强化的，且研究仅涵盖一项任务和一个模型，但指出结果引发了担忧：随着智能体承担更多研究工作，人类签字确认是否仍能构成独立核查。
推荐理由：Anthropic对50名专业分析师的随机试验表明，专家在判断性问题上多么容易采纳AI智能体的任意倾向，这一发现关系到AI安全研究中的人类监督。
Google Cloud 开发者构建了 HappyDelivery，这是一个使用 LangGraph、Gemini、FastAPI 和 Google Cloud 的对话式商务可运行原型，遵循了此前由 Ingress、Memory 和 Cognition 组成的三层蓝图。Ingress 层验证 WhatsApp、RCS、Apple Messages 和 SMS 的平台特定 webhook 签名，将负载规范化为通用 schema 并卸载到 Pub/Sub，在约 300ms 内返回 HTTP 200。文章详细介绍了代码、状态机、确定性金融工具和自动化验证套件。
Google 为其面向生成式 UI 的智能体优化协议 A2UI 发布了可替换推理格式，允许智能体生成一种中间格式，再由 SDK 编译器将其转换为经过验证的 A2UI 消息。新的默认格式 A2UI Express 在相同 UI 下使用的 token 比 Direct JSON 最多少 3 倍，并将延迟最多降低 3 倍，已在 Python（a2ui-agent-sdk 0.9.0）、TypeScript（@a2ui/agent）和 Dart SDK 中提供。Google 还展示了 TypeSafe 的 Jev 等决策模型在预定义布局中进行选择，称这可将延迟最多降低 80 倍；在 Apparite 示例中，11 个提示下的屏幕均在 0.8 至 1.7 秒内完成。
Preferred Networks 于 2026 年 10 月 27 日开始提供 PLaMo 3.1 Prime，新增网页搜索和 Deep Research 功能，后者可在数分钟到数十分钟内自主规划、收集、分析并撰写带来源引用的报告。Deep Research 还支持本地部署，并可连接内部文档检索系统；该公司称，与 PLaMo 3.0 Prime 相比，在包括 AA Omniscience 在内的八项幻觉相关基准上平均得分提升约 15%。PFN 还提到，通过推测解码处理速度提升 1.7 倍，非推理模式下输出 token 减少 90%，并推出了免费的 PLaMo API 套餐以及 PLaMo Chat 活动，在 2026 年 11 月 30 日前每天提供两次 Deep Research。
推荐理由：PFN 的 PLaMo 3.1 Prime 新增了可本地运行的自主 Deep Research，为日本企业提供了一个可本地部署、用于带来源引用的调研工作的选项。
Apple 宣布对 Apple Creator Studio 进行更新，为 Keynote、Pages 和 Numbers 带来基于 Apple 及第三方模型的智能助手，并支持 Model Context Protocol，使外部 AI 代理可以读取这些应用中的内容并执行编辑。Mac 版 Final Cut Pro 现已内置 MotionVFX 和 Content Hub 库存视频，Logic Pro 新增测试版助手和可分离鼓声的 Stem Splitter，Pixelmator Pro 则加入 Generate Fill 用于自然语言图像编辑。这些更新将于今年 11 月在 App Store 上线，现有订阅用户免费，新订阅价格为每月 12.99 美元或每年 129 美元。
Replit预测，到2030年底，每一家《财富》500强公司都将成为“自动驾驶公司”，由智能体执行和协调工作，而人类负责设定目标并承担最终责任。Replit表示，2026年上半年其工程师的代码产出几乎增长了两倍，而评审时间、回滚和产品事故数量保持持平。Replit for Business正作为这一愿景的基础进行构建；在SMFL，一个此前需要六个人花六个月完成的开发流程，由一个人在一周内完成。
Import AI 478 汇总了四项进展：AI 安全初创公司 Resolution 使用编排器智能体在 Lean 中自动形式化了奇点消解，估计在约一周内花费了 13.5 万美元的 token 费用。Claude Opus 5.5 在 ProgramBench 上达到 18.5% 的解决率，而该基准在 5 月发布时所有模型的解决率均为 0%。OpenAI 描述了在独立 microVM 中的智能体通过处理器缓存时序交换合成秘密，Mirendil 报告称一名研究人员在 3.5 个月内以不到 1000 万美元的算力成本预训练了一个 100B-500B 参数的编码模型。
Vapi 已推出流量分割功能，让团队可以在正式切换前，将 0.1%、1% 或 5% 的呼入和呼出电话路由到新的智能体版本。此前，发布新的助手版本会立即将 100% 的流量发送到该版本。该功能包含“粘性”机制，使重复来电者保持在同一个版本上，Vapi 建议从双向分割开始。
Google Workspace 现在允许用户在 Google Docs 和 Drive 中直接查看、编辑和协作处理 Markdown（.md）文件，无需将其转换为其他格式。文件会保留 .md 类型，并在文档页眉显示可见标记；Drive 提供带表格和超链接的渲染预览，也可切换为原始文本。Google 将 Markdown 定位为人类与 AI 代理共享的语言，支持实时协同编辑、行级评论和版本历史，覆盖人类与代理的修订；任何拥有 Google 或 Workspace 账户的用户都可以通过将 .md 文件上传到 Drive 开始使用。
Mastra 正在以先到先得的方式，向另外八家设计合作伙伴开放其 Knowledge 服务，这是一个面向 AI 智能体的自托管全公司上下文层。Knowledge 可连接 Slack 和 Monday 等系统，保持自身数据实时更新，并支持按职能划分独立知识库，权限可细化到个人、团队和组织层级。Mastra 表示，将全公司知识图谱接入其编码智能体后，交付代码的质量有了明显提升。
Redwood Research 发布了一篇关于模拟控制评估（SCE）的论文，该方法使用 LLM 环境模拟器来测试监督 AI 智能体的监控器能否发现模型故意尝试造成伤害的行为，而无需执行其工具调用。
Google CEO Sundar Pichai 表示，行业“距离 RSI 的终局还相当遥远”，不过 AI 智能体已经在帮助研究人员构建模型。他说所有人都缺算力，而 Google 放弃短期云收入来资助前沿 AI 研究。
Epoch AI在11项真实的Epoch工作任务上测试了六款领先模型，发现没有一款能可靠达到其质量标准，Claude Fable 5.1与GPT-6 Astra大致并列领先。其新推出的SpireClimb基准显示，前沿模型在六个月内从在《杀戮尖塔》中苦苦挣扎，发展到能以超过90%的胜率通过基础难度对局，其中GPT-6 Astra达到98%。Gemini 4 Argon在Epoch能力指数上得分166，与Claude Fable 5.1并列，落后于得分169的Claude Opus 5.5和GPT-6 Astra。
Ai2 与宾夕法尼亚大学的研究人员构建了 LitPivot，该系统围绕正在编辑的研究提案的各个方面来组织检索到的论文，并给出有文献支撑的修改建议。在一项有 17 名研究者参与的研究中，领域专家认为，使用 LitPivot 形成的想法比使用文本编辑器和 AI 聊天工具形成的想法更有文献依据。参与者还表示，他们修改后的想法更具新颖性和实用性，LitPivot 将在 UIST 2026 上展示。
Platformer推出了Machine Gods，这是一档与NPR合作制作的新AI播客，节目于每周三和周五早晨发布。前两集分别探讨行为失范的AI智能体，并采访了两位近期被OpenAI解雇的安全研究员。主持人表示，该节目秉持“AI现实主义”路线，既认真对待安全警告，也关注新技术带来的乐趣与进步。
Figma agent 现已正式可用，Figma 说明了如何将你的设计系统接入其中，使其输出与你的产品保持一致。连接已发布的库可让 agent 使用经批准的组件和 token，而 guidelines 文件用于编码团队规则，Examples 页面或 _example 命名则提供可复用的模式。
Microsoft Research 发布了 Flint-interactive，这是一种基于 Flint 构建的语言，让智能体和开发者能够通过高层语义事件和更新操作符创建交互式数据可视化。Flint 的编译器负责处理命中测试、布局、渲染和视觉依赖关系，因此用户无需编写底层可视化代码，即可指定联动刷选、高亮或视口变化等交互。该语言可通过聊天环境中的 Flint-MCP 和 MCP Apps、用于仪表板和数据故事的 Flint Interactive Canvas，以及用于定制交互的编程 API 使用。
METR 与 Redwood Research 于 7 月 21 日至 8 月 11 日开展了一项为期三周的高权限演练，对 OpenAI 内部失准监控系统进行压力测试，并产出了一份 61 页的内部报告。他们估计，来自能力至少与 GPT-5.5 相当的模型的智能体内部 Responses API 流量中，约有 75–94% 符合监控条件；而用于内部 Codex 智能体的 Responses API 流量中，这一比例为 99.2%。团队发现了新的漏洞，包括 Codex 智能体原则上可绕过 Codex 沙箱与 Auto-Review 的途径、一种可使数百条近期操作不被监控的利用方式，以及两个可被客户端控制、能对新智能体禁用监控的请求头；OpenAI 表示，影响其生产防护栈的漏洞已被修补，但研究人员未对此说法进行评估。
Sakana AI 发布了 Sakana Aquarium，这是一个用于构建、运行和运营 AI 智能体的平台，在本体之上支持组织决策与执行。该平台由三部分组成：本体（Ontology），用于组织知识、规则和数据及其含义与关系，同时连接现有数据源而无需迁移；治理（Governance），用于设置访问权限和执行前审批，并记录从决策依据到执行结果的一切；托管智能体（Managed Agents），用于部署涵盖信息查询、AI 判断、函数执行和人工审批的工作流。Sakana AI 表示，数据连接和本体可以在不同智能体之间复用，该平台源自其 FDE 主导的与三菱日联金融集团（MUFG）、三井住友银行集团（SMBC Group）和大和证券集团（Daiwa Securities Group）等金融机构的合作。
inclusionAI 发布了 Ling-3.0-flash-Sante，这是一个基于 Ling-3.0-flash 构建的医疗健康专用模型，总参数 124B，每 token 激活参数 5.1B，权重已上传至 Hugging Face 和 ModelScope。它采用混合线性 MoE 架构，结合 Kimi Delta Attention、门控 MLA 和稀疏 MoE 层，训练上下文长度达 256K token，默认启用思考模式，并可通过兼容的服务框架进行工具调用。该公司将其标注为研究模型，而非医疗器械，并表示其输出不得替代专业医疗建议、诊断或治疗。
MiniMax 在 MiniMax Code 桌面应用中推出 Mini App，这是一种插件格式应用，包含前端和 Node.js 后端，让 Agent 的工作留在一个持续运行的页面上，而不是分散在对话中。此次发布包含一个运行时，具备持久化数据目录、托管 MCP、Agent API、Host Connectors 和页内工具审批，还有 /miniapp-creator，可从一句话请求直接生成可用页面，以及插件市场中的官方 Mini App。MiniMax Bot 本身就是一个 Mini App，其源代码与社区构建的 Mini App 现已放入开源仓库 MiniMax-Code-MiniApps；Mini App 可在 macOS 和 Windows 的本地会话中使用。
推荐理由：MiniMax Code 把 Agent 的工作从对话流搬进常驻页面，并公开了 Mini App 的运行时与开源仓库，为 Agent 工具形态提供了一种可参考的架构。
Anthropic正在将Agent Skills——一项为AI智能体提供专业知识和 workflows 的开放标准——捐赠给Linux基金会旗下的Agentic AI基金会（AAIF）。自2025年12月发布以来，包括ChatGPT、Cursor、GitHub Copilot和VS Code在内的70多个智能体平台已集成该标准，已发布100万个技能，安装量近2.8亿次。此次捐赠涵盖Agent Skills名称和徽标、GitHub组织以及agentskills.io域名，来自Anthropic、Google、OpenAI和其他公司的工程师将以个人身份在首席维护者David Soria Parra和Mahesh Murag的带领下对其进行维护。
推荐理由：Anthropic将其Agent Skills标准交给Linux基金会的AAIF——与MCP相同的中立归属，使社区对该规范的路线图拥有正式话语权。
Google Cloud 研究人员公布了 Project Chrysalis，这是一个基于 Gemini 平台和 Agent Development Kit（ADK）构建的可治理、自进化 AI 智能体的参考架构。在模拟的黑色星期五缓存踩踏故障中，它将首次缓解时间从 15–45 分钟缩短至 1.8 秒，将 HTTP 5xx 错误率从 72.7%–80.0% 降至 0.0%，并将 P99 延迟从 519.8 ms 降至 18.2 ms。每一项自主操作都受到 Model Armor、Cloud KMS、Binary Authorization、OPA Policy Controller 以及双人保管人在环签核的约束。
中国商务部和科学技术部于10月16日发布出口管制目录的增补草案，首次将先进大型AI模型、AI智能体及大型计算集群纳入其中，其中14项技术被禁止出口，26项受限。
Mistral 与 NVIDIA 正在合作构建 AI 原生工程工作流，将 Mistral Large 4 与 NVIDIA CUDA-X 库和 Warp 相结合，旨在加速仿真并实现闭环设计。该合作还将为 CAE 和 EDA 中的物理模型与智能体 AI 产出公开基准和开放数据集，并与 NVIDIA Omniverse 集成以实现 3D 场景生成和 SimReady 资产。Mistral Large 4（代号 Le Chonk）总参数量约 1 万亿、激活参数 490 亿，在 3,800 块 NVIDIA Grace Blackwell GPU 上训练完成。
在低代码平台被证明过于僵化且不透明之后，Acuity Health 在 LiveKit 上重建了其患者接入语音智能体，如今 80% 的来电完全由 AI 智能体处理。智能体基于 LiveKit Inference 运行，使用 Gemma 4 31B 模型，大多数预约在一分钟内完成，81% 的预约通话以“谢谢”结束。LiveKit Simulations 会在发布前针对患者画像测试每一项变更，一次提示词审查削减了约 24% 的用词，同时仍能通过相同的场景测试。
OpenClaw 启动了 Focus Weeks 计划，该计划每周针对其路线图中的一个领域，由一位 Maintainer 负责，并邀请社区贡献代码、缺陷报告、测试、文档和无障碍反馈。首个 Focus Week 于 2026 年 10 月 19 日至 25 日举行，聚焦 Control UI，由 Vyctor Brzezowski 担任 Maintainer。一组精选的轮换 Clawtributors 还将获得共享 OpenClaw Team 环境的临时访客权限，以测试其多人协作功能。
Anthropic 的 Claude Opus 5.5 和 Claude Sonnet 5.5 现已在 Google Antigravity 中正式上线，覆盖 Antigravity 2.0 Desktop、CLI 以及 VS Code、JetBrains 和 Visual Studio 的 IDE 扩展。Opus 5.5 面向重度推理和多文件架构重构，Sonnet 5.5 则是更快、成本更低的日常编码选项。开发者可以通过下拉菜单或在 CLI 中输入 /model claude-opus-5-5 在会话中途切换模型，且不会丢失上下文、终端状态或工作区产物；管理员可在 Google Cloud Console 的 Gemini Enterprise 下启用这些模型并设置支出限额。
三位拥有十多年 Java 经验的 Java Champion 分别分享了他们在生产环境和开源工作中使用 GitHub Copilot 的方式。Vlad Mihalcea 在两天内（而非数周）构建了一个 Hypersistence Optimizer Web 应用，并基于自己的 65 篇文章训练了自定义技能，以匹配他的写作风格。Patrick Baumgartner 借助 Copilot 将 15 份演示文稿中约 900 张教学幻灯片从 Reveal.js 迁移到 Marp，并通过截图对比验证结果。
Google 的 Agents CLI 现已包含扩展系统（Extension System），该系统在 v1.5.0 中引入，允许开发者在不 fork 工具的情况下覆盖或添加命令，而 v1.8.0 发布了首个官方 LangChain 扩展。该 LangChain 模板可搭建一个不依赖 google-adk 的项目，并通过与 ADK 项目相同的代码路径部署到 Cloud Run，而 playground、run 和 eval generate 等六个与 ADK 耦合的命令则被替换或明确拒绝执行。扩展以 Git 仓库中的目录形式分发，并通过 lockfile 固定确切的 commit SHA，该系统在 v1.8.0 中标记为实验性。
我们测试了 Claude Duet——Anthropic 今日以研究预览形式推出的全天候个人智能体——并认为它是第一个称得上专业工具的个人智能体。Duet 运行在 Opus 5.5 上，拥有独立于 Claude 的 iOS、Android 和网页应用，会把反复出现的话题拆分到不同频道，跟踪自己正在处理的工作以及需要用户提供的内容，并能就地编辑文档、幻灯片、设计和仪表盘。评测者仍指出了一些不足：它能查看但无法操控电脑上的 Claude 会话，其邮件草稿落后于 OpenAI 的 Dot，定时运行无法触达自定义连接器，而且目前还没有真正的语音模式，只有转写。
推荐理由：这是一次上手对比，将 Anthropic 的新款全天候智能体与 OpenAI 的 Dot 相比较，有助于判断个人智能体目前仍在哪些方面存在不足。
Ethan Mollick 在《Co-Intelligence》出版 30 个月后发布了第二本 AI 著作《Co-Existence》，并在 Claude Projects 中使用 Claude Opus 5.5，几分钟内生成了该文章的图表，以及一段“水獭在飞机上用 wifi”的视频。他指出，如今已有 180 个模型在发布时性能超过 GPT-4，其中 19 个可在现代智能手机上运行；而 METR 的 Long Horizon Benchmark 从 2024 年的四分钟任务，上升到 2026 年 4 月的 17 小时人类工作量，随后该基准耗尽。
Sakana AI 于 2026 年 10 月 5 日举办了第二届工程师开放日，涵盖应用研究工程师、前向部署工程师、软件工程师、解决方案工程师和网络安全工程师五个工程岗位。CEO David Ha 阐述了基于预训练、使用 Namazu 进行后训练以及通过 Fugu 进行编排的“AI 主权”战略，此前该公司在过去六个月中将产品组合扩展至 Sakana Chat、Marlin、Fugu 和 Translate。活动还详细介绍了与日本金融机构和国防项目的合作，包括与防卫省情报本部及防卫创新科学技术研究所的研究。
Mistral 发布了 Voxtral 3，这是一系列语音转文本和文本转语音模型，外加一个基于 LiveKit 构建的语音智能体 SDK，可在单一流水线中流式完成聆听、推理、工具调用和说话。Voxtral Small Transcribe 3 覆盖 50 多种语言，支持说话人分离和上下文偏置；Voxtral Mini TTS 3 支持 35 多种语言和 50 多种方言；该技术栈可通过 Mistral 的欧盟托管 API 或自部署获取。定价为批量转写每分钟 0.0035 美元起，TTS 每 100 万字符 13 美元。
推荐理由：Mistral 的 Voxtral 3 将多语言语音模型与基于 LiveKit 的语音智能体 SDK 相结合，为团队提供了一个可主权部署的实时语音智能体选项。
10 月 8 日，Vapi 在旧金山湾的一艘包租游艇上召集了 30 多位语音 AI 开发者参加舰队周活动，Deepgram、Kouper Health 和 Coval 带来了炉边对话，另有一场技术工作坊。与会者重点关注 GPT Live 语音到语音，它降低了延迟并带来流畅的轮次转换，但牺牲了对关键术语和脚本的精细控制。讨论还涉及附和反馈、感知延迟以及平台与自建语音栈的取舍。
一个由普林斯顿牵头、斯坦福、英国AI安全研究所和布鲁金斯学会参与的小组发表了《AI智能体评估的新兴趋势》，综合了评估科学、研究议程和评估者生态系统中的33个趋势。论文认为智能体评估远比模型评估复杂，因为评估者必须审视整个轨迹而非最终结果，并指出ExploitBench基准上的某些智能体评估耗费了数万美元的额度。它呼吁扩大研究议程，涵盖能力、人机交互和制度影响，并为独立评估者提供更广泛的参与和资助。
GitHub Copilot 应用会话现在可以直接在 VS Code 中打开，并延续对话、代码更改和工作树，让开发者无需重新开始即可查看差异、手动编辑并在本地测试。本教程逐步演示如何打开会话、逐行查看智能体的更改、在 Copilot 侧边栏中继续同一对话，以及将会话的拉取请求推送更新。
Modal 推出 Sticky Sessions，在其低延迟的 Modal Servers 之上，将同一会话中的每个请求固定到同一个容器。开发者通过 @modal.sessioned() 装饰器创建带会话的 Server，并通过 SDK 或 HTTP API 启动会话，自动扩缩容由活跃会话数而非请求量驱动。